Buchumschlag

Privately Learning from Graphs with Applications in Fine-tuning Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Haoteng, Wei, Rongzhe, Chien, Eli, Li, Pan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Relational Learning with Entity-level Privacy Guarantees
von: Huang, Yinan, et al.
Veröffentlicht: (2025)

Differentially Private Graph Diffusion with Applications in Personalized PageRanks
von: Wei, Rongzhe, et al.
Veröffentlicht: (2024)

Private Fine-tuning of Large Language Models with Zeroth-order Optimization
von: Tang, Xinyu, et al.
Veröffentlicht: (2024)

SentinelLMs: Encrypted Input Adaptation and Fine-tuning of Language Models for Private and Secure Inference
von: Mishra, Abhijit, et al.
Veröffentlicht: (2023)

Practical Membership Inference Attacks against Fine-tuned Large Language Models via Self-prompt Calibration
von: Fu, Wenjie, et al.
Veröffentlicht: (2023)

LMO-DP: Optimizing the Randomization Mechanism for Differentially Private Fine-Tuning (Large) Language Models
von: Yang, Qin, et al.
Veröffentlicht: (2024)

Prompt Public Large Language Models to Synthesize Data for Private On-device Applications
von: Wu, Shanshan, et al.
Veröffentlicht: (2024)

MAPLE: Metadata Augmented Private Language Evolution
von: Chien, Eli, et al.
Veröffentlicht: (2026)

Differentially Private Tabular Data Synthesis using Large Language Models
von: Tran, Toan V., et al.
Veröffentlicht: (2024)

Differentially Private Bias-Term Fine-tuning of Foundation Models
von: Bu, Zhiqi, et al.
Veröffentlicht: (2022)

Differentially Private Next-Token Prediction of Large Language Models
von: Flemings, James, et al.
Veröffentlicht: (2024)

Virus: Harmful Fine-tuning Attack for Large Language Models Bypassing Guardrail Moderation
von: Huang, Tiansheng, et al.
Veröffentlicht: (2025)

Machine Unlearning of Pre-trained Large Language Models
von: Yao, Jin, et al.
Veröffentlicht: (2024)

Why LLM Safety Guardrails Collapse After Fine-tuning: A Similarity Analysis Between Alignment and Fine-tuning Datasets
von: Hsiung, Lei, et al.
Veröffentlicht: (2025)

ObfuscaTune: Obfuscated Offsite Fine-tuning and Inference of Proprietary LLMs on Private Datasets
von: Frikha, Ahmed, et al.
Veröffentlicht: (2024)

A Study of Backdoors in Instruction Fine-tuned Language Models
von: Raghuram, Jayaram, et al.
Veröffentlicht: (2024)

Selective Pre-training for Private Fine-tuning
von: Yu, Da, et al.
Veröffentlicht: (2023)

Learning to Poison Large Language Models for Downstream Manipulation
von: Zhou, Xiangyu, et al.
Veröffentlicht: (2024)

Hijacking Large Language Models via Adversarial In-Context Learning
von: Zhou, Xiangyu, et al.
Veröffentlicht: (2023)

Privacy Preserving In-Context-Learning Framework for Large Language Models
von: Bhusal, Bishnu, et al.
Veröffentlicht: (2025)

Convergent Privacy Loss of Noisy-SGD without Convexity and Smoothness
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Advancing Adversarial Suffix Transfer Learning on Aligned Large Language Models
von: Liu, Hongfu, et al.
Veröffentlicht: (2024)

Malware Classification from Memory Dumps Using Machine Learning, Transformers, and Large Language Models
von: Dweib, Areej, et al.
Veröffentlicht: (2025)

Network Traffic Classification Using Machine Learning, Transformer, and Large Language Models
von: Antari, Ahmad, et al.
Veröffentlicht: (2025)

Detecting Pretraining Data from Large Language Models
von: Shi, Weijia, et al.
Veröffentlicht: (2023)

Model Provenance Testing for Large Language Models
von: Nikolic, Ivica, et al.
Veröffentlicht: (2025)

A Watermark for Large Language Models
von: Kirchenbauer, John, et al.
Veröffentlicht: (2023)

On the Reliability of Watermarks for Large Language Models
von: Kirchenbauer, John, et al.
Veröffentlicht: (2023)

Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

SafeCOMM: A Study on Safety Degradation in Fine-Tuned Telecom Large Language Models
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

Topic-Based Watermarks for Large Language Models
von: Nemecek, Alexander, et al.
Veröffentlicht: (2024)

Representation Bending for Large Language Model Safety
von: Yousefpour, Ashkan, et al.
Veröffentlicht: (2025)

User Inference Attacks on Large Language Models
von: Kandpal, Nikhil, et al.
Veröffentlicht: (2023)

Securing Large Language Models (LLMs) from Prompt Injection Attacks
von: Suri, Omar Farooq Khan, et al.
Veröffentlicht: (2025)

Digger: Detecting Copyright Content Mis-usage in Large Language Model Training
von: Li, Haodong, et al.
Veröffentlicht: (2024)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

Learning diverse attacks on large language models for robust red-teaming and safety tuning
von: Lee, Seanie, et al.
Veröffentlicht: (2024)

Backdooring Instruction-Tuned Large Language Models with Virtual Prompt Injection
von: Yan, Jun, et al.
Veröffentlicht: (2023)

EnchTable: Unified Safety Alignment Transfer in Fine-tuned Large Language Models
von: Wu, Jialin, et al.
Veröffentlicht: (2025)

MIA-Tuner: Adapting Large Language Models as Pre-training Text Detector
von: Fu, Wenjie, et al.
Veröffentlicht: (2024)